limma 差异性分析代码

limma（Linear Models for Microarray Data）是生物信息学中常用的一个R包，用于对基因表达数据进行差异分析，尤其是在微阵列实验中。它主要基于线性模型来进行统计推断，步骤一般包括：

1. **加载数据**：首先需要通过`read.table`或`read.csv`等函数读取包含基因表达值的表格文件。

library(limma)
exprs <- read.table("expression_data.txt", row.names="GeneID")

2. **质量控制**：检查样本质量和归一化数据，比如删除异常值、多重检验等。

# 删除缺失值
exprs <- exprs[complete.cases(exprs),]

3. **设计模型**：创建design矩阵，通常包含因子变量如组别、时间点等。

group <- factor(c("GroupA", "GroupB", ...)) # 根据实验设计填充
design <- model.matrix(~0 + group)

4. **fit linear models**：使用`lmFit`函数构建负二项分布或对数似然的线性模型。

fit <- lmFit(exprs, design)

5. ** contrasts 设置**：如果你想要比较特定条件下的组别差异，可以设置contrast矩阵。

contrasts(group) <- matrix(c(-1, 1), nrow=1)

6. ** eBayes **：应用Bayesian shrinkage技术，提高小样本条件下估计的稳定性。

fit <- eBayes(fit)

7. **提取结果**：最后使用`topTable`或`treat`等函数获取显著的差异基因列表。

results <- topTable(fit, coef=1, number=n, adjust.method="BH") # 比较组间的差异